一种改进的自适应直方图均衡方法技术

本发明专利技术公开了一种改进的自适应直方图均衡方法，通过找到将每个子图像块像素点总数分为最接近一半的分界灰度级，并统计图像高、低亮度区域的像素点总数，然后计算出图像高、低亮度区域的调节参数，将子图像块分成高、低亮度区域分别进行直方图均衡，有效解决了噪声扩散以及纹理被合并的问题。

【技术实现步骤摘要】

本专利技术涉及图像增强处理中的。
技术介绍
图像增强是图像处理的最基本手段，它往往是各种图像分析与处理时的预处 理过程。图象增强的目的是通过对图像灰度作修正，改善图像视觉效果提供直 观、清晰、适合分析的图像。直方图均衡化是图象增强空域中的最常用、最重 要的技术之一。它以概率理论作基础，运用灰度点运算来实现直方图的变化从 而达到图象增强的目的。累积直方图均衡(即CDF)。通过原始图像灰度值分布直方图的累积分布函数计算累积分布直方图。累积计算公式如下其中s表示处理后图像的灰度值，A(w)表示原始图像灰度级的概率密度函数。自适应直方图均衡(即AHE)。 AHE通过将图像划分为多个子区域，如图1 所示。IR是指图像中间的块，BR是指图像边缘块，AHE通过对每个子图像块 进行CDF灰度拉伸，并且针对块效应进行权重线性插值，解决了CDF问题。对比度受限的自适应直方图均衡(即CLAHE)。在AHE的基础上CLAHE 限制对比度的范围，可以有效的控制放大噪声。CDF由于对整个图像进行处理，将占灰度级少的纹理细节像素点合并到一 个灰度级，并且将背景噪声放大。AHE虽然分区域进行直方图均衡但是在少纹 理细节的区域同样会放大噪声。CLAHE的线性插值可能将破坏原始图像像素灰 度级与输出图像像素灰度级的对应关系。并且以上三种方式都是基于CDF的基 础上，但是CDF本身存在将纹理细节合并，噪声放大的问题。而且目前直方图 均衡针对两种情况进行处理亮度或RGB三通道。只对亮度进行处理，处理后 的图像色度受到影响，而如果针对RGB三通道分别进行直方图均衡会影响运算速度。
技术实现思路
本专利技术的目的在于克服现有直方图均衡的不足，提供一种改进的自适应直 方图均衡方法。为达到上述专利技术目的，本专利技术的，包括 以下步骤(1) 、将输入图像转换为亮度灰度图像，划分成多个子图像块，统计在每 个子图像块中每个灰度级的像素点个数；(2) 、找到将每个子图像块像素点总数分为最接近一半的分界灰度级，并 统计图像高、低亮度区域的像素点总数；(3) 、分别对每个子图像块的图像高、低亮度区域进行累计直方图均衡a) 、计算图像高、低亮度区域的调节参数，其值为子图像块中图像高、亮 度区域的像素点总数除以子图像块像素点总数，再乘以255;b) 、对于低亮度区域像素点，从0到该点灰度级累加每个灰度级的像素点 个数，得到的像素点个数除以低亮度区域的像素点总数，再乘以低亮度区域的 调节参数，得到该像素点的累计直方图均衡灰度值；对于高亮度区域像素点，从该点灰度级到255累加每个灰度级的像素点个 数，得到的像素点个数除以高亮度区域的像素点总数，再乘以高亮度区域的调 节参数，得到该像素点的累计直方图均衡灰度值；(4) 根据每个子图像块的像素点累计直方图均衡灰度值，进行权重线性插 值，得到均衡化处理后的整个图像的亮度信息。本专利技术的改进的自适应直方图均衡方法，通过找到将每个子图像块像素点 总数分为最接近一半的分界灰度级，并统计图像高、低亮度区域的像素点总数， 然后计算出图像高、低亮度区域的调节参数，将子图像块分成高、低亮度区域 分别进行直方图均衡，有效解决了噪声扩散以及纹理被合并的问题。附图说明图1是自适应直方图均衡图像增强时子图像块划分示意图；图2本专利技术一种具体实施方式流程图； 图3是图1中的紧邻的4个子图像块示意图； 图4是相似性权重线性插值示意图。具体实施例方式为更好地理解本专利技术，下面结合附图和具体实施方式对本专利技术进行更为详 细描述。在以下的描述中，当己有的现有技术的详细描述也许会淡化本专利技术的 主题内容时，这些描述在这儿将被忽略。图1是自适应直方图均衡图像增强时子图像块划分示意图。该图在背景技 术中已经进行了描述，在此不再赘述。图2本专利技术一种具体实施方式流程图。在本实施中，包括以下步骤 步骤ST101:将输入图像转换为亮度灰度图像，图像像素点的亮度值为y = 0.27xi + 0.67xG + 0.06x5 (1) 步骤ST102:计算亮度相关系数。输入图像R、 G、 B通道的亮度相关系数分别记为cq^、 a#e、 《#s，通过输入图像R、 G、 B通道信号与亮度的关联达到颜色的调整。计算如下《+ (2)maxc/,.表示像素点相应的R、 G、 B通道，y^表示输入图像亮度最大值。 步骤ST103:判断输入图像属于暗图像还是亮图像。对亮度灰度图像左上角、 右上角、左下角、右下角及中间五个区域，统计每个区域所有像素点图像亮度 和"g&，当//^^ 时，判断输入图像属暗图像，当//^^-时，判断输入图像属 亮图像。如果《</&&<-，则不对输入图像进行直方图均衡。步骤ST104:将亮度灰度图像划分成多个子图像块，统计在每个子图像块屮 每个灰度级的像素点个数""^。其中，""附,表示灰度值为r的像素点个数总和。 步骤ST105:找到将每个子图像块像素点总数分为最接近一半的分界灰度级 /ew/，并统计图像高、低亮度区域的像素点总数/mv,。,。,、 Wg/U,。在本实施中， 其具体步骤为a) 、当图像为暗图像时，对每个子图像块，从0到255累加每个灰度级的 像素点个数""附,，当大于该子图像块像素点总数加"/一半时停止，记录当前灰度 级，当前灰度级就是分界灰度级few/;然后根据分界灰度级/ew/，从0到分界灰度级/ew/累加每个灰度级的像素点个数皿，，得到该子图像块中属于图像低亮 度区域的像素点总数/mv^ ，剩余的像素点之和为图像高亮度区域的像素点总数顺她/ 5b) 、当图像为亮图像时，对每个子图像块，从255到0累加每个灰度级的 像素点个数mz^，当大于该子图像块像素点总数w"/—半时停止，记录当前灰度 级，当前灰度级就是分界灰度级/eve/;然后根据分界灰度级/eve/，从255到分界 灰度级/ew/累加每个灰度级的像素点个数w"，，得到该子图像块中属于图像高 亮度区域的像素点总数/^^。,，剩余的像素点之和为图像低亮度区域的像素点总 数"w加。,。根据亮暗图像进行分界灰度级/ew/搜索，可以提高搜索速度。步骤ST106:分别对每个子图像块的图像高、低亮度区域进行累计直方图均衡:a)、计算图像高、低亮度区域的调节参数va/,、 vc^其值为: va/, = 255 xv<=255x^^ (3)/她/b)、重构直方图查找表对于低亮度区域像素点，从o到该点灰度级;t累加每个灰度级的像素点个 数，得到的像素点个数除以低亮度区域的像素点总数to气,。,，再乘以低亮度区域的调节参数vW,，得到该像素点的累计直方图均衡灰度值/7/xe/ —o//，具体为y,"訓"/ /jce/ 一 c# = va/, x - ( 4 )一 。/低亮度区域像素点的灰度l代入(4)计算得到该像素点新的灰度值，累 计直方图均衡灰度值p/xe/ —，这就是重构直方图査找表。对于高亮度区域像素点，从该点灰度级A到255累加每个灰度级的像素点个 数，得到的像素点个数除以高亮度区域的像素点总数/^^。,，再乘以高亮度区域 的调节参数v^ ，得到该像素点的累计直方图均衡灰度值内m/—a// ;255w訓"z' 、一 顺她/步骤ST107:根据每个子图像块的像素点累计本文档来自技高网...

【技术保护点】
一种改进的自适应直方图均衡方法，其特征在于，包括以下步骤：　（１）、将输入图像转换为亮度灰度图像，划分成多个子图像块，统计在每个子图像块中每个灰度级的像素点个数；　（２）、找到将每个子图像块像素点总数分为最接近一半的分界灰度级，并统计图像高、低亮度区域的像素点总数；　（３）、分别对每个子图像块的图像高、低亮度区域进行累计直方图均衡：　ａ）、计算图像高、低亮度区域的调节参数，其值为子图像块中图像高、亮度区域的像素点总数除以子图像块像素点总数，再乘以２５５；　ｂ）、对于低亮度区域像素点，从０到该点灰度级累加每个灰度级的像素点个数，得到的像素点个数除以低亮度区域的像素点总数，再乘以低亮度区域的调节参数，得到该像素点的累计直方图均衡灰度值；　对于高亮度区域像素点，从该点灰度级到２５５累加每个灰度级的像素点个数，得到的像素点个数除以高亮度区域的像素点总数，再乘以高亮度区域的调节参数，得到该像素点的累计直方图均衡灰度值；　（４）根据每个子图像块的像素点累计直方图均衡灰度值，进行权重线性插值，得到均衡化处理后的整个图像的亮度信息。

【技术特征摘要】

【专利技术属性】
技术研发人员：李慧然，袁梓瑾，吴亚东，鲁国宁，
申请(专利权)人：四川虹微技术有限公司，
类型：发明
国别省市：90[中国|成都]